Okabe-Ito 调色板：精确色值与无障碍使用指南
查阅 Okabe-Ito 调色板的 8 个 Hex 与 RGB 色值，复制 Python、R、MATLAB 和 CSS 代码，并检查无障碍使用限制。
文章目录
- 快速回答：什么是 Okabe-Ito 调色板？
- 八种颜色速查
- 调色板能保证什么，不能保证什么
- Okabe-Ito 调色板的 Hex、RGB 与颜色名称
- 可直接复制的颜色表
- 实用的绘图顺序
- 背景与黄色可见度
- 关键数字
- Okabe-Ito 调色板的来源
- Okabe 与 Ito 的 Color Universal Design 指南
- 为什么它有时被称为 Wong 调色板
- 原始 8 色与软件变体
- 术语表
- 在 Python、R、MATLAB 与 CSS 中使用 Okabe-Ito 颜色
- 在 Matplotlib 中使用 Python
- 在 Seaborn 中使用 Python
- 在 Base R 与 ggplot2 中使用
- 在 MATLAB 中使用 colororder
- CSS 自定义属性
- 哪一种实现真正内置
- 何时在图表与科研图中使用这组颜色
- 分类数据、顺序数据与发散数据
- 折线、条形、点图、图示与热图
- 三步应用 Okabe-Ito 调色板
- 发布前的无障碍限制与检查
- 不要只依赖颜色
- 检查对比度与浅色
- 用灰度测试找问题，但不要承诺灰度安全
- 类别超过 8 个怎么办
- 常见问题
- Okabe-Ito 调色板用于科研图时对色盲安全吗？
- 为什么 Okabe-Ito 调色板也被称为 Wong 调色板？
- ggplot2 或 Base R 是否内置 Okabe-Ito 调色板？
- 超过 8 个类别时应怎样使用 Okabe-Ito 调色板？
- Okabe-Ito 调色板在灰度模式下仍然有效吗？
- 白色背景上可以使用 Okabe-Ito 黄色吗？
- 原始与扩展 Okabe-Ito 调色板有什么区别？
- 结论：把 Okabe-Ito 当作系统，而不是保证
- 参考文献
原始 Okabe-Ito 调色板包含 8 种颜色：橙色 #E69F00、天蓝色 #56B4E9、蓝绿色 #009E73、黄色 #F0E442、蓝色 #0072B2、朱红色 #D55E00、红紫色 #CC79A7 和黑色 #000000。它适合表示类别，不适合编码连续数值，也不能让颜色独自承担信息。
核心要点
- 用这 8 种颜色区分类别，不要表示连续数值。
- 在不同工具中保持完全一致的 Hex 与 RGB 色值。
- 同时使用标签、形状、图案或线型。
- 按最终背景检查黄色等浅色。
- 使用文档明确支持的扩展包，不要假设某个 API 内置存在。
- 类别超过 8 个时，应改变编码策略。
快速回答：什么是 Okabe-Ito 调色板？
Okabe-Ito 调色板是一组用于区分图中类别的 8 色定性调色板，包括橙色、天蓝色、蓝绿色、黄色、蓝色、朱红色、红紫色和黑色。原始色值来自 Okabe 与 Ito 的 Color Universal Design 指南。该指南于 2002 年首次发布，2008 年修订，目标是让有无色觉缺陷的人都更容易辨认图形。（Okabe & Ito, 2008）
当一种色相代表一个类别，例如处理组、物种或实验条件时，可以使用 Okabe-Ito 调色板。它不是从低到高的顺序色阶，也不是围绕中点的发散色阶。（EasyStats, 2026；Okabe & Ito, 2008）这个区别比选择哪一个绘图库更重要。
八种颜色速查
下表保留原始顺序，并给出可直接用于图表、设计与 CSS 工作流的十进制 RGB 值。（Okabe & Ito, 2008）
| 颜色 | Hex | RGB |
|---|---|---|
| 橙色 | #E69F00 | 230, 159, 0（Okabe & Ito, 2008） |
| 天蓝色 | #56B4E9 | 86, 180, 233（Okabe & Ito, 2008） |
| 蓝绿色 | #009E73 | 0, 158, 115（Okabe & Ito, 2008） |
| 黄色 | #F0E442 | 240, 228, 66（Okabe & Ito, 2008） |
| 蓝色 | #0072B2 | 0, 114, 178（Okabe & Ito, 2008） |
| 朱红色 | #D55E00 | 213, 94, 0（Okabe & Ito, 2008） |
| 红紫色 | #CC79A7 | 204, 121, 167（Okabe & Ito, 2008） |
| 黑色 | #000000 | 0, 0, 0（Okabe & Ito, 2008） |
明确写出原始顺序可以避免软件变体悄然改变结果。Base R 的命名版本会加入灰色，并可能把黑色放在首位；某些扩展包还使用另一种黄色。（EasyStats, 2026；R Core Team, 2026）为了复现，应把选定色值写进绘图源文件，而不是只记录调色板名称。
调色板能保证什么，不能保证什么
这组颜色用于改善常见色觉缺陷人群对类别的辨别。（Okabe & Ito, 2008）它不能保证每一对颜色在灰度模式下仍可分辨，也不能保证浅色与白底的对比充分，更不能让仅靠颜色传递的信息自动满足无障碍要求。（Okabe & Ito, 2008；World Wide Web Consortium, 2024）
重要： 请用直接标签、标记形状、线型、图案或边界补充颜色。W3C 要求信息不能只依赖颜色，因此调色板只是无障碍图形的一部分，不是通过或失败的认证。（World Wide Web Consortium, 2024）
发布前应按实际尺寸和最终背景检查成图。白底上的细黄色线尤其需要注意；单色输出也应通过标签或其他冗余编码保留含义。（Okabe & Ito, 2008）
Okabe-Ito 调色板的 Hex、RGB 与颜色名称
Okabe-Ito 调色板包含 8 种以 sRGB Hex 和十进制 RGB 三元组表示的分类颜色。请在不同工具中使用同一组数值，但不要把来源顺序当成适用于所有数据集的绘图顺序。（Okabe & Ito, 2008）
可直接复制的颜色表
每个 RGB 三元组依次列出红、绿、蓝三个通道。
| 颜色名称 | Hex | RGB |
|---|---|---|
| 橙色 | #E69F00 | 230, 159, 0（Okabe & Ito, 2008） |
| 天蓝色 | #56B4E9 | 86, 180, 233（Okabe & Ito, 2008） |
| 蓝绿色 | #009E73 | 0, 158, 115（Okabe & Ito, 2008） |
| 黄色 | #F0E442 | 240, 228, 66（Okabe & Ito, 2008） |
| 蓝色 | #0072B2 | 0, 114, 178（Okabe & Ito, 2008） |
| 朱红色 | #D55E00 | 213, 94, 0（Okabe & Ito, 2008） |
| 红紫色 | #CC79A7 | 204, 121, 167（Okabe & Ito, 2008） |
| 黑色 | #000000 | 0, 0, 0（Okabe & Ito, 2008） |
制作可复现科研图时，为每种颜色保留一个命名常量，并在所有绘图环境中重复使用。这样可以避免“blue”解析成软件默认蓝色而不是 #0072B2，以后也能直接审计源代码，无需从导出图片中取色。
实用的绘图顺序
Okabe-Ito 调色板没有适合所有数据集的唯一顺序。把最重要的类别映射为蓝色或朱红色，再按语义优先级安排其余颜色，不要盲目循环色表。黑色可保留给参考、对照或基线；相邻系列尽量在色相与明度上交替。
完成映射后应保持稳定：同一类别在所有面板、图例和相关图表中使用同一颜色。若两个系列在最终尺寸下仍过于相似，请增加直接标签、标记形状或线型，而不是在每个面板重新排列颜色。
背景与黄色可见度
黄色必须结合背景检查。按 WCAG 2.2 的 sRGB 相对亮度公式计算，#F0E442 与白色的对比度为 1.32:1，本文将结果四舍五入到两位小数。（World Wide Web Consortium, 2024）
该数值低于相邻图形对象或其必要边界的 3:1 目标。（World Wide Web Consortium, 2024）即使色相不同，细小黄色标记仍可能难以发现。黄色更适合较大的标记、深色背景或带深色边界的对象；轮廓、符号和标签也能提供帮助。
橙色与天蓝色的亮度接近，单色输出可能压缩两者的视觉差异。（World Wide Web Consortium, 2024）应在实际画布和导出尺寸上测试，而不是只查看独立色块。
关键数字
- 原始分类色组包含 8 种颜色（Okabe & Ito, 2008）
- 黄色与白色的对比度为 1.32:1（World Wide Web Consortium, 2024）
- 橙色与天蓝色仅按亮度计算的对比度约为 1.025:1（World Wide Web Consortium, 2024）
Okabe-Ito 调色板的来源
Okabe-Ito 调色板源于 Masataka Okabe 与 Kei Ito 的 Color Universal Design 指南。材料始于 2002 年，并于 2008 年修订。目标是让有无色觉缺陷的人都更容易辨认图形与演示文稿，同时用标签、形状或线型补充颜色。（Okabe & Ito, 2008）
Okabe 与 Ito 的 Color Universal Design 指南
原始指南不只是漂亮色值的列表。它把颜色视为信息系统的一部分，并建议在颜色承载含义时加入冗余编码。（Okabe & Ito, 2008）脱离这一设计方法只复制色值，会漏掉调色板最重要的使用原则。
为什么它有时被称为 Wong 调色板
Bang Wong 在 2011 年的 Nature Methods 专栏中向科研读者介绍了为色盲读者优化的颜色，使这组颜色在科研作者中得到更广传播。（Wong, 2011）
因此它有时被称为 Wong 调色板，但 Wong 并不是创始人。（Wong, 2011, 2023）2023 年的作者更正补回了指向 Okabe 与 Ito 2002 年演示材料的链接。（Wong, 2023）
更正记录了一个具体遗漏： 2011 年文章缺少指向 Kei Ito 与 Masataka Okabe 2002 年演示材料的链接。（Wong, 2023）
完整来源链是：2002 年起源、2008 年修订、2011 年专栏传播、2023 年更正。Okabe 与 Ito 制定了指南，Wong 后来把它介绍给更广泛的科研读者。（Okabe & Ito, 2008；Wong, 2011, 2023）
原始 8 色与软件变体
可直接复制的原始版本有 8 种颜色，以黑色结尾。（Okabe & Ito, 2008）软件实现可以不同，但不能据此改写来源版本。Base R 的命名版本包含 9 种颜色，加入 #999999 灰色，并可能把黑色放在首位。（EasyStats, 2026；R Core Team, 2026）
某些扩展包默认用 #F5C710 琥珀色替换原始黄色，除非选择原始黄色选项。（EasyStats, 2026）为了复现，请记录确切顺序和 Hex 值，而不要只写“Okabe-Ito 调色板”。
术语表
- Color Universal Design（CUD）： 让不同色觉人群更容易辨认颜色编码信息的设计指南。（Okabe & Ito, 2008）
- Wong 调色板： 与 Wong 2011 年科研制图专栏相关的后期名称，不代表另一套起源。（Wong, 2011, 2023）
- 调色板变体： 软件对颜色数量、顺序或具体 Hex 值所做的更改。
- CVD： 色觉缺陷（Color-vision deficiency）。
- 分类调色板： 把不同颜色分配给离散类别。
- 冗余编码： 使用形状、线型等第二种线索表达同一差异。（Okabe & Ito, 2008；World Wide Web Consortium, 2024）
在 Python、R、MATLAB 与 CSS 中使用 Okabe-Ito 颜色
最稳妥的跨平台做法，是明确写出相同的 8 个 sRGB 色值，再把列表传给各绘图 API。这样可以避免命名调色板加入灰色、改变顺序或替换黄色。（EasyStats, 2026；Okabe & Ito, 2008；R Core Team, 2026）
在 Matplotlib 中使用 Python
Matplotlib 可用 set_prop_cycle 为单个 Axes 应用颜色列表。（Matplotlib Development Team, 2026）先定义一次，再让连续绘图调用依次使用这些颜色。
import matplotlib.pyplot as plt
okabe_ito = [
"#E69F00", "#56B4E9", "#009E73", "#F0E442",
"#0072B2", "#D55E00", "#CC79A7", "#000000",
]
fig, ax = plt.subplots()
ax.set_prop_cycle(color=okabe_ito)
for column in data.columns:
ax.plot(data.index, data[column], label=column)
ax.legend()只有希望把它设为整个会话的默认值时，才使用 plt.rcParams["axes.prop_cycle"]。Axes 级颜色循环不容易意外影响无关图形。
在 Seaborn 中使用 Python
Seaborn 的 set_palette 接受列表型调色板，并更新 Matplotlib 颜色循环。（Waskom, 2024）请直接传入色值，不要假设存在已记录的命名预设。
import seaborn as sns
okabe_ito = [
"#E69F00", "#56B4E9", "#009E73", "#F0E442",
"#0072B2", "#D55E00", "#CC79A7", "#000000",
]
sns.set_palette(okabe_ito)在 Base R 与 ggplot2 中使用
Base R 提供 palette.colors(palette = "Okabe-Ito")，但其 9 色实现包含灰色，并可能先排列黑色。（R Core Team, 2026）需要与其他软件严格匹配原始 8 色时，请使用显式向量。
okabe_ito <- c(
"#E69F00", "#56B4E9", "#009E73", "#F0E442",
"#0072B2", "#D55E00", "#CC79A7", "#000000"
)
# Base graphics
palette(okabe_ito)
plot(x, y, col = group, pch = 16)
# ggplot2
library(ggplot2)
ggplot(df, aes(x, y, colour = group, fill = group)) +
geom_point(shape = 21, size = 3) +
scale_colour_manual(values = okabe_ito) +
scale_fill_manual(values = okabe_ito)ggplot2 core 记录的是手动离散色阶，并不提供 scale_color_okabeito()。该函数由 see 扩展包记录为 see::scale_color_okabeito()。（EasyStats, 2026；Posit, 2026）写明包名可以避免代码在只有 ggplot2 的环境中失败。
在 MATLAB 中使用 colororder
MATLAB 的 colororder 接受 n×3 RGB 三元组矩阵。先把 0–255 的数值除以 255；colororder 从 R2019b 起可用。（MathWorks, 2026）
okabeIto = [
230 159 0
86 180 233
0 158 115
240 228 66
0 114 178
213 94 0
204 121 167
0 0 0
] / 255;
ax = axes;
colororder(ax, okabeIto)
plot(ax, x, Y, 'LineWidth', 1.5)CSS 自定义属性
CSS 没有绘图调色板注册表。把颜色存为自定义属性，再在 SVG 图表、图例和界面样式中一致引用。语义化名称也比在样式表、模板和嵌入图形中搜索重复 Hex 更容易维护。
:root {
--oi-orange: #e69f00;
--oi-sky-blue: #56b4e9;
--oi-bluish-green: #009e73;
--oi-yellow: #f0e442;
--oi-blue: #0072b2;
--oi-vermillion: #d55e00;
--oi-reddish-purple: #cc79a7;
--oi-black: #000000;
}
.series-a { color: var(--oi-orange); }
.series-b { color: var(--oi-sky-blue); }哪一种实现真正内置
| 环境 | 内置命名支持 | 推荐实现 | 主要注意事项 |
|---|---|---|---|
| Matplotlib 与 Seaborn | 没有文档记录的 Okabe-Ito 预设 | 传入显式 Hex 列表 | 仅在确有需要时设为全局（Matplotlib Development Team, 2026；Waskom, 2024） |
| Base R | 有，名称为 "Okabe-Ito" | 使用 palette.colors() 或显式向量 | 命名版本包含 9 种颜色（R Core Team, 2026） |
ggplot2 与 see | core 使用手动色阶；see 有命名辅助函数 | 使用 scale_*_manual() 或 see::scale_color_okabeito() | 辅助函数不是 ggplot2 core API（EasyStats, 2026；Posit, 2026） |
| MATLAB | 无命名预设 | 把归一化 RGB 传给 colororder | 需要 n×3 矩阵（MathWorks, 2026） |
| CSS | 无 | 定义自定义属性 | 分别测试每一组前景与背景 |
导出前请确认：项目只有一份权威颜色数组；类别顺序在面板和图例中一致；任何软件变体都有记录；颜色配有标签、标记、线型或图案；黄色已按最终背景检查。共享数组应视为图形数据契约的一部分，而不只是视觉样式。
何时在图表与科研图中使用这组颜色
当颜色用于区分没有内在顺序的命名组别，例如处理组、物种、仪器、方法或图示模块时，使用 Okabe-Ito 调色板。不要把 8 种色相排成从低到高的梯度，也不要用它表示围绕中点的正负偏差。后两种任务需要用明度和方向表达数值的连续色阶。
分类数据、顺序数据与发散数据
| 数据关系 | 合适的颜色策略 | 常见图形 |
|---|---|---|
| 名义类别 | 不同的 Okabe-Ito 色相 | 分组条形图、折线图、点图、饼图 |
| 有序数值 | 从浅到深的顺序色阶 | 计数、强度、浓度 |
| 围绕中点的偏差 | 以参考值为中心的发散色阶 | 相关性、相对基线的变化 |
Okabe 与 Ito 的指南用 8 种颜色区分类别，不用于编码从低到高的数值梯度。它还建议冗余编码，因此可发布图形应同时使用标签、形状、线型、图案或其他线索，而不能让色相独自承载含义。（EasyStats, 2026；Okabe & Ito, 2008）
折线、条形、点图、图示与热图
折线图应为每个系列保持一种色相，并增加线型或点标记。单系列条形图已有长度表达数值，通常统一颜色比每根柱子换色更清楚；只有柱子确实代表不同名义组时才使用多种色相。饼图应保留直接切片标签和图例，而不是只靠颜色识别比例。W3C 要求在颜色传递信息时提供非颜色线索。（World Wide Web Consortium, 2024）
FigEditor 条形图制作器支持分组与堆叠比较，饼图制作器把百分比标签放在切片旁。两者都遵循同一原则：颜色对应类别，而不是数值排名。矩阵数据应使用热图生成器：低到高用顺序色阶，围绕有意义中点的数值用发散色阶。
三步应用 Okabe-Ito 调色板
- 定义类别并复制精确色值。 在设置图表样式前，把每个类别与 Hex 的对应关系记录在源数据旁。
- 为每个类别分配一种稳定颜色。 在面板、图例、图注、标记和图示节点中保持该对应关系。
- 检查最终图形。 凡是颜色承载含义的地方，都增加直接标签、标记形状、线型、边界或图案，再按最终背景、输出尺寸、灰度视图和期刊导出格式检查。
处理栅格科研图时，可在 FigEditor Studio 的 Recolor 中使用最多 4 个自定义 Hex。为不超过 4 个功能组选择明确的 Okabe-Ito 子集，并检查重新着色后所有科学关系与标签是否仍然正确。
类别映射比色板顺序更重要。在所有面板中始终用蓝色表示对照、朱红色表示处理，可以减少读者重新学习；每个面板更换角色会破坏分类系统的意义。
发布前的无障碍限制与检查
Okabe-Ito 的 8 种分类颜色用于提升有无色觉缺陷人群的可辨别性。这表示它对 CVD 更友好，不表示在所有场景都无障碍。WCAG 2.2 另行要求颜色不能成为唯一线索，必要图形边界还可能需要达到 3:1 对比度。（Okabe & Ito, 2008；World Wide Web Consortium, 2024）
不要只依赖颜色
请在成图上检查，而不是只看色块：
- 为每个类别提供直接标签或名称明确的图例。
- 类别重叠时增加标记、线型、形状、图案或边界。
- 不要让说明只写“绿色线”而没有其他标识。
- 暂时忽略颜色，确认读者仍能完成预期比较。
最后一项检查针对 WCAG 的 color-alone 规则，并不保证单色渲染保留所有差异。（World Wide Web Consortium, 2024）
检查对比度与浅色
文字对比与图形对象对比是不同测试。标签应按相应文字标准与背景比较；必要的柱、点、控件和相邻边界应按图形对象标准检查。当两个填充色达不到 3:1 时，对比轮廓可能提供帮助。（World Wide Web Consortium, 2024）
按本文计算，黄色 #F0E442 与白色只有 1.32:1 对比度，因此细黄色标记或黄色文字可能在白底上消失。（World Wide Web Consortium, 2024）
警告： 通过 CVD 模拟不等于文字对比、图形对象对比、非颜色编码或灰度输出也通过。请在最终背景和发布尺寸下分别检查。（World Wide Web Consortium, 2024）
用灰度测试找问题，但不要承诺灰度安全
灰度会把色相压缩为明度。橙色与天蓝色的相对亮度几乎相同，因此在彩色模式下可分辨的类别可能在单色预览中合并。（World Wide Web Consortium, 2024）把灰度预览当作找问题的方法，并在发布版本中保留标签或线型。
类别超过 8 个怎么办
原始色组只有 8 种颜色。（Okabe & Ito, 2008）需要更多类别时，不要临时创造难以区分的近似色。可以合并类别、拆分为分面、直接标注，或增加形状与线条图案等第二编码。跨分面重复使用稳定映射，通常比把一个图例扩展到 8 色以上更清楚。
常见问题
这组 8 色分类调色板帮助许多色觉缺陷读者区分数据系列，但不能认证对比度、灰度分离或仅靠颜色的信息传递。应同时使用标签、形状、图案或线型，并在最终环境中测试成图。（Okabe & Ito, 2008；World Wide Web Consortium, 2024）
Okabe-Ito 调色板用于科研图时对色盲安全吗？
它的设计目标是让许多色觉缺陷读者更容易区分颜色，但这不是全面无障碍保证。对比度、标记尺寸、背景、灰度输出以及是否只靠颜色传递信息仍然重要。请为每种颜色增加标签、形状、图案、边界或线型，并测试最终图形。（Okabe & Ito, 2008；World Wide Web Consortium, 2024）
为什么 Okabe-Ito 调色板也被称为 Wong 调色板？
Bang Wong 在 2011 年的 Nature Methods 专栏中向科研读者介绍了这组颜色，因此有人称它为 Wong 调色板。更早的 Color Universal Design 指南由 Okabe 与 Ito 制定。2023 年的更正补回了指向 2002 年原始演示材料的链接，所以“Okabe-Ito 调色板”是更清楚的归属。（Wong, 2011, 2023）
ggplot2 或 Base R 是否内置 Okabe-Ito 调色板？
ggplot2 core 不提供 scale_color_okabeito()，应把显式 Hex 向量传给 scale_colour_manual() 或 scale_fill_manual()。see 扩展记录了 scale_color_okabeito()，Base R 则通过 palette.colors() 提供命名版本。使用前应核对包名和具体颜色顺序。（EasyStats, 2026；Posit, 2026；R Core Team, 2026）
超过 8 个类别时应怎样使用 Okabe-Ito 调色板？
原始调色板只提供 8 种分类颜色。更多类别不应靠添加相近色解决，因为差异会变得难以辨认。请合并相关类别、把图拆成分面、直接标注，或把颜色与形状和线型结合。跨面板重复稳定的类别映射，比扩展拥挤的单一图例更可靠。（Okabe & Ito, 2008）
Okabe-Ito 调色板在灰度模式下仍然有效吗？
不能保证。图形转换为灰度后，色相差异会消失；橙色与天蓝色的计算亮度几乎相同。请把灰度预览当作发现失败的方法，并用直接标签、标记形状、图案或不同线型保留含义，而不是依赖彩色版本中的可辨别性。（World Wide Web Consortium, 2024）
白色背景上可以使用 Okabe-Ito 黄色吗？
应谨慎使用。按 WCAG 2.2 相对亮度公式，#F0E442 与白色的对比度约为 1.32:1，低于必要图形对象或边界的 3:1 目标。可以改用更大的标记、深色背景、对比轮廓或另一种颜色，并在最终导出尺寸下检查。（World Wide Web Consortium, 2024）
原始与扩展 Okabe-Ito 调色板有什么区别？
来源版本包含 8 种颜色，并以黑色结尾。软件变体可能加入灰色、重新排列顺序，或用琥珀色替换原始黄色。因此“扩展版”并不代表统一标准。请在代码或图形方法中记录确切 Hex 列表和顺序，让合作者能够复现同一组颜色。（EasyStats, 2026；Okabe & Ito, 2008；R Core Team, 2026）
结论：把 Okabe-Ito 当作系统，而不是保证
Okabe-Ito 调色板最适合作为一套协同的分类系统。先采用 8 个精确 sRGB 色值，只用于分类数据，再让每个类别在图表、代码和导出图中保持同一映射。（Okabe & Ito, 2008）同时加入直接标签、标记形状、线型、图案或对比边界。
重要： 这套颜色不会自动让图形全面无障碍。黄色与白色只有 1.32:1 对比度，橙色与天蓝色按 WCAG 计算的相对亮度几乎相同。（World Wide Web Consortium, 2024）发布前应按最终尺寸、背景、显示模式和可能的打印条件检查。
在 Python、R、MATLAB 或 CSS 中，请使用有文档支持的 API，并写明所用的确切变体。调色板只完成分类配色的第一层；冗余编码与情境检查才会覆盖灰度输出、浅色背景和 8 个以上类别等真实发布条件。（Okabe & Ito, 2008；World Wide Web Consortium, 2024）
参考文献
- EasyStats. (2026). Okabe-Ito color palette. https://easystats.github.io/see/reference/scale_color_okabeito.html
- MathWorks. (2026). colororder: Set or query color order palette. https://www.mathworks.com/help/matlab/ref/colororder.html
- Matplotlib Development Team. (2026). matplotlib.axes.Axes.set_prop_cycle. https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.set_prop_cycle.html
- Okabe, M., & Ito, K. (2008). Color Universal Design (CUD): How to make figures and presentations that are friendly to colorblind people (Original work published 2002). https://jfly.uni-koeln.de/color/index.html
- Posit. (2026). Create your own discrete scale. https://ggplot2.tidyverse.org/reference/scale_manual.html
- R Core Team. (2026). Set or view the graphics palette. https://stat.ethz.ch/R-manual/R-devel/library/grDevices/html/palette.html
- Waskom, M. (2024). seaborn.set_palette. https://seaborn.pydata.org/generated/seaborn.set_palette.html
- Wong, B. (2011). Points of view: Color blindness. Nature Methods, 8(6), 441. https://doi.org/10.1038/nmeth.1618
- Wong, B. (2023). Author correction: Points of view: Color blindness. Nature Methods, 20(8), 1266. https://doi.org/10.1038/s41592-023-01974-0
- World Wide Web Consortium. (2024). Web Content Accessibility Guidelines (WCAG) 2.2. https://www.w3.org/TR/WCAG22/
